Meta FAIR представила моделі RPM для відбору ML-експериментів перед витратою GPU-годин
Meta FAIR Introduces AI Research Preference Models (RPMs): Ranking ML Experiments Before Spending GPU Hours
Дослідники Meta FAIR разом з Оксфордським і Університетським коледжем Лондона представили AI Research Preference Models (RPM) — систему, яка ранжує ще не виконані варіанти ML-експериментів і обирає найперспективніший для запуску, економлячи години обчислень на GPU. За даними команди, на бенчмарку AIRS-Bench застосування RPM підвищує середній нормалізований показник з 0,684 до 0,729 та прискорює досягнення базового результату приблизно в 1,5–1,6 раза. Скаффолд AIRA-dojo та бенчмарк AIRS-Bench опубліковані у відкритому доступі.
Мовою оригіналу · EN
Researchers from Meta FAIR, Oxford, and UCL introduce AI Research Preference Models (RPMs), which rank unexecuted ML experiment candidates and select the most promising one to run, saving GPU hours…
Читати оригінал на MarkTechPost →
Чому в стрічці: AI-дослідження від Meta FAIR у сфері, яка зараз найбільше цікавить користувача.